University of California, Los Angeles（加州大学洛杉矶分校）

From Tokens to Policy: Causal and Interpretable Heterogeneous Treatment Effects Identification

从令牌到策略：因果且可解释的异质性处理效应识别

Riccardo Cadei, Frank Otchere, Nyasha Tirivayi, Gustavo Angeles Tagliaferro, Falco J. Bargagli-Stoffi, Francesco Locatello

机构 * ISTA ； UNICEF（联合国儿童基金会） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 提出NEXIS方法，利用多模态预处理表示将HTE识别转化为马尔可夫毯发现问题，实现因果可解释的异质性处理效应识别，并在非洲反贫困项目中验证。

SidewalkBench: Benchmarking Visual Navigation on Urban Sidewalks

SidewalkBench: 城市人行道视觉导航基准

Zhizheng Liu, Honglin He, Vivek Alumootil, Akshat Pandya, Brad Squicciarini, Wayne Wu, Bolei Zhou

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Coco Robotics 纠错

AI总结 针对城市人行道视觉导航缺乏统一基准的问题，提出SidewalkBench，基于NVIDIA Isaac Sim构建高保真仿真环境，评估9种模型，发现行人交互和长距离鲁棒性是关键瓶颈。

Comments Project Page: https://vail-ucla.github.io/SidewalkBench/

Learning Policy from a Single Trajectory in Average-Reward Markov Decision Process

从平均奖励马尔可夫决策过程中的单条轨迹学习策略

Jongmin Lee, Ernest K. Ryu, Vaneet Aggarwal

机构 * Seoul National University（首尔国立大学） ； UCLA（加州大学洛杉矶分校） ； Purdue University（普渡大学） 纠错

AI总结 针对弱通信平均奖励MDP，首次从单条轨迹建立有限样本复杂度保证，提出无模型方法，值函数和策略方法分别达到$\widetilde{O}(1/\varepsilon^2)$和$\widetilde{O}(1/\varepsilon^4)$的样本复杂度。

Wavelength-Multiplexed 2D Beam Steering via a Passive Diffractive Network

通过无源衍射网络实现波长复用的二维光束偏转

Che-Yung Shen, Yuhang Li, Cagatay Isil, Tianyi Gan, Mona Jarrahi, Aydogan Ozcan

机构 * Electrical and Computer Engineering Department, University of California, Los Angeles（加州大学洛杉矶分校电气与计算机工程系） ； Bioengineering Department, University of California, Los Angeles（加州大学洛杉矶分校生物医学工程系） ； California NanoSystems Institute (CNSI), University of California, Los Angeles（加州大学洛杉矶分校加州纳米系统研究所） 纠错

AI总结 提出一种无源衍射光学网络，利用波长作为控制参数实现任意二维光束偏转，通过深度学习优化级联衍射层，数值和实验验证了625个波长通道的25x25偏转阵列，具有亚波长精度和高信道保真度。

Comments 20 Pages, 4 Figures

Thinking with Visual Grounding

视觉锚定思维

Junkai Zhang, Yihe Deng, Kai-Wei Chang, Wei Wang

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 提出视觉锚定思维方法，让视觉语言模型在推理时交替生成自然语言和视觉锚点（点或框），并通过合成数据管道和锚定感知强化学习训练，在计数和空间推理任务上显著提升性能。

Steering Autoregressive Vision-Language-Action Policies via Action Token Intervention

通过动作令牌干预引导自回归视觉-语言-动作策略

Jason Chan, Jonathan C. Kao

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 提出Token Steering方法，在推理时通过干预动作令牌空间动态引导VLA模型轨迹生成，无需训练或微调，显著提升家务操作任务成功率。

Comments 9 pages, 5 figures

CREST: Deployment-Realistic Hardware-in-the-Loop NAS for Embedded Sensing Systems

CREST：面向嵌入式传感系统的部署真实硬件在环神经网络架构搜索

Joseph Q. Zales, Pragya Sharma, Mani Srivastava

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 提出CREST框架，通过硬件在环测量联合优化模型架构、目标平台、运行时调度和部署策略，在惯性里程计和音频分类任务上相比FLOPs选择降低中位推理能耗41.7%。

Comments 14 pages, 10 figures, 7 tables

Closing the Auto-Research Loop: An AI Co-Scientist for Production Search Ranking

关闭自动研究循环：面向生产搜索排名的AI合作科学家

Liwei Wu, Cho-Jui Hsieh

机构 * Trip.com Group（Trip.com集团） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 提出AI合作科学家框架，通过LLM代理与云计算集成，自动迭代生成想法、实现代码、进行GPU实验并分析结果，在搜索排名任务中带来额外+0.083%离线增益。

Comments Submitted to EMNLP for review on June 14, 2026

SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks

SkillsBench: 基准测试智能体技能在不同任务中的有效性

Xiangyi Li, Yimin Liu, Wenbo Chen, Bingran You, Zonglin Di, Yifeng He, Shenghan Zheng, Kyoung Whan Choe, Jiankai Sun, Shuyi Wang, Chujun Tao, Binxu Li, Xuandong Zhao, Hejia Geng, Xiaojun Wu, Junwei Zhou, Xiaokun Chen, Hanwen Xing, Yubo Li, Qunhong Zeng, Di Wang, Yuanli Wang, Roey Ben Chaim, Penghao Jiang, Haotian Shen, Luyang Kong, Xinyi Liu, Runhui Wang, Xuanqing Liu, Jiachen Li, Xin Lan, Yueqian Lin, Wengao Ye, Junwei He, Songlin Li, Yue Zhang, Yipeng Gao, Yijiang Li, Ze Ma, Liqiang Jing, Tianyu Wang, Kaixin Li, Yiqi Xue, Haoran Lyu, Yizhuo He, Yuchen Tian, Shutong Wu, Bowei Wang, Yixuan Gao, Bo Chen, Litong Liu, Sikai Cheng, Jiajun Bao, Shuaicheng Tong, Shuwen Xu, Terry Yue Zhuo, Tinghan Ye, Qi Qi, Miao Li, Longtai Liao, Zelin Tan, Chang Shi, Xilin Tang, Srinath Tankasala, Boqin Yuan, Yaoyao Qian, Jianhong Tu, Chenguang Wang, Yizhou Sun, Wei Wang, Aaron Taylor, Ziyue Yang, Changkun Guan, Zhikang Dong, Xinyu Zhang, Steven Dillmann, Han-chung Lee, Dawn Song

机构 * BenchFlow ； OSU ； Amazon ； UC Berkeley ； UC Santa Cruz ； UC Davis ； Dartmouth ； RLWRLD ； Independent ； Princeton University ； Oxford University ； Stanford University ； USC ； CMU ； Foxconn ； Zenity ； UNSW ； UT Austin ； MSU ； Duke University ； ByteDance ； UT Dallas ； UC San Diego ； Columbia University ； University of Rochester ； Cornell Tech ； Georgia Tech ； Cornell University ； NEU ； UCLA ； Snap Inc. ； Fanshawe College ； University of Science and Technology of China ； HKUST(GZ) ； Anyscale 纠错

AI总结 提出SkillsBench基准，包含8领域87个任务，通过配对评估证明技能提升平均通过率16.6个百分点，小模型配备技能可匹敌大模型。

Constraining the outputs of ReLU neural networks

约束ReLU神经网络的输出

Yulia Alexandr, Guido Montúfar

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学研究所） 纠错

AI总结 通过引入与ReLU网络相关的代数簇，利用激活区域内的秩约束推导多项式方程，刻画网络可表示的函数，并研究簇达到预期维度的条件。

Comments 33 pages, 4 figures

Enhancing LLM Safety Through a Theoretical Minimax Game Lens

通过理论极小极大博弈视角增强LLM安全性

Yihe Deng, Yu Yang, Junkai Zhang, Wei Wang, Bo Li

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； VirtueAI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 提出极小极大强化学习框架，通过数据生成器与分类器协同进化生成高质量多语言安全数据，理论证明收敛到纳什均衡，使小模型在英文基准上超越SOTA近10%且推理速度提升4.5倍。

Comments 24 pages, 9 figures, 5 tables